1
Õppijakeele korpused ja keeleõpe

• Pille Eslon
• Tallinna ülikool
• pille.eslon_at_tlu.ee

2
Mis on õppijakeel?

• Õppijakeel (learner language) P.S.Corder
• Seoses teise keele / võõrkeele omandamisega
  (second / foreign language aquisition)
• Kesksel kohal keelevea mõiste (error)
• Tugineb veaanalüüsile (error analysis)
• Vahekeel (interlanguage) L.Selinker
• Biheivioristlik keelekäsitlus ja
  interferentsiteooria
• Kesksel kohal lähtekeele negatiivne / positiivne
  ülekanne (transfer)
• Tugineb lähte- ja sihtkeele kontrastiivanalüüsile
  (contrastive analysis)
• Keelevariant, mida õppijad sihtkeeles loovad

3
Mis on õppijakeelekorpus?

• Õppijakeelekorpus (learner corpus, learner
  corpora) vahekeele korpus (interlanguage
  corpora) teie keele korpus (L2 corpora)
• elektrooniline keeleressurss
• teise keele / võõrkeeleõppija loodud autentsete
  kirjalike tekstide või suulise kõnekeele näidete
  elektrooniline kogu, milles keelevead on
  klassifitseeritud ja märgendatud
• korpuse töötlemisel saab kasutada
  standardtarkvara, kombineerida ja täiendada
  olemasolevaid keeletehnoloogilisi rakendusi

4
Õppijakeelekorpusi maailmas inglise sihtkeelega
ÕK (English LC)

• 1980ndad - European Science Foundation Second
  Language Data Bank
• Cambridge Learner Corpus
• Longman Learners Corpus
• Interntional Corpus of Learners English (ICLE) -
  http//cecl.fltr.ucl.ac.be/ http//cecl.fltr.ucl.
  ac.be/Cecl-Projects/Icle/icle.htm
• Antwerp Corpus of Institutional Discourse
• Corpus of English by Japanese Learners
• jt

5
MITTE-INGLISE SIHTKEELEGA ÕK (non-English LC)

• Skandinaavias 1970ndad Rootsi sihtkeelega SSM
  korpus (Svenska som Målspråk)
• ASU (Andraspråkets StrukturUtveckling korpus)
• SVANTE korpus
• CrossCheck (Svensk grammatikkontroll för
  andraspråksskribenter)
• ASK (Language learner corpus of Norwegian as a
  second language)
• Prantsuse keel FRIDA ja FreeText jt

6
Õppijakeelekorpuste kasutamisest

• Uurimistöö eesmärgil, et viia vastavusse õppija
  vajadused ja keeleõpe
• nt Louvaini Ülikooli ICLE
• Uppsala Ülikooli USE
• Kommertseesmärgid
• Cambridge Learner Corpus
• Longman Learners Corpus
• Uurimistöö kommerts
• FRIDA ja FreeText arvutipõhine keeleõpe
  õppijakorpus (computer assisted language
  learning)

7
Eesti võimalusetest

• Tallinna Ülikooli Eesti vahekeele korpus
• Loodud uurimistöö ja eesti keele kui teise keele
  / võõrkeele õppe eesmärkidel perspektiivis
  rakendada õppijakorpusena
• On vene emakeelega õppijate eesti sihtkeele
  kirjalike tekstide kogu, mida kavas täiendada
  suulise kõne näidetega (ideaal 50 50 pole
  reaalne, nt British National Corpus 10 suulise
  keelekasutuse materjale ja 90 kirjalikke tekste,
  kuna neid raske ühtse standardi alla viia ja
  oamvahel siduda S.Granger)
• Sisaldab metainfot õppija- ja tekstide kohta

8

• Info teksti koostaja kohta (sugu, vanus, emakeel,
  kodune keel, päritolupiirkond Eestis või mjal
  maailmas, sotsiaalne taust, keeletase) koostaja
  isikuandmeid pole võimalik tuvastada olemas
  koostaja nõusolek teksti kasutamiseks korpuses
• Andmed teksti kohta (maht sõnades ja lausetes,
  teksti liik, teksti koostamise laad)
• Info teksti sisestaja ja märgendajate kohta
  avalikustatud sisestaja nimi, märgendajate nimed
  avalikkuse eest varjul

9

• Tekstide maht 50 1000 sõnet
• Kontrollkorpus, millel katsetatkse erinevaid
  programme 500000 sõnet
• Vene lähtekeelega õpilaste eesti sihtkeele
  näidete hulk 1, 5 miljonit sõnet allkorpused
  soome, rootsi, inglise ja saksa lähtekeelega
  õppijatekstidest eesmärk eesti õppijakeele
  lingvistiliste universaalide väljatoomine

10

• Kasutajaliides teeb korpuse Internetis vabalt
  kättesaadavaks, teavet ei tohi kasutada
  kommertseesmärkidel
• Töötab konkordantsileidja, sõna- ja vormisageduse
  statistika, märgendatud vigu saab näha vealiigiti
  ning kitsamas kontekstis, vajadusel
  terviktekstis
• Dokumentide ja andmete esitamiseks on kasutatud
  XML-formaadi XHTML-versiooni, märgendite
  hierarhias on tarvitusel XPATH-keel
• Korpuses loodud võimalus individuaalseks
  uurimistööks

11
Veamärgendus

• Alus mitmemõõteline lingvistiline veataksonoomia
  (Eslon 2006b 1417 Eslon Metslang 2007
  106112)
• Eristatakse veaklasse (1 18), vealiike
  (leksikaalsed, leksikaagrammatilised,
  morfonoloogilised, morfoloogilised,
  morfosüntaktilised, süntaktilised,
  kommunikatiivsed, sõnatuletuslikud Proovi
  kätt!), alamliike, nende alamliike jne

12
Veaklassid

• Semantika Grammatika Pragmaatika
• tekst 1 2 3
• lause 4 5 6
• sõnaüh. 7 8 9
• sõna 10 11 12
• morfeem 13 14 15
• grafeem 16 17 18

13
Veaklasside näited

• 1 grafeem semantika (need inimesed on laiad
  / laisad, grafeem s eristab sõnu)
• 2 grafeem grammatika (maja tagasi on õue /
  õu, grafeem e eristab käändevorme)
• 3 grafeem pragmaatika (K-Järvelt /
  Kohtla-Järvelt, väljendustava vastu eksimine)
• 4 morfeem semantika (nad andsid mulle tarku
  selles õppeaines / tarkust selles õppeaines,
  morfeemi ärajätt on sõnu eristav tunnus)
• 5 morfeem grammatika (Sa oskasid palju
  huvitavaid faktid ajaloost / sa tead palju
  huvitavaid fakte ajaloost, mineviku ajavormi
  kasutamine ei sobi kokku edastatava
  informatsiooni sisuga) jne

14
Vealiikide, alamliikide ja nende jaotumise näide

• Morfonoloogilised
• Astmevaheldus
• seoses sõnatuletusega
• seoses vormimoodustusega
• tüvevaheldus ja supletiivsed tüved
• deminutiivsete liidete kasutamine

15
Märgendatud teksti näide

• Minu unistuste auto (1) gtgt.ltlt
• Minu unistuste auto peab olema (2) gtgtmoodsusltlt,
  (3) gtgtkiirusltlt , ilus Sellepärast mulle ei
  meeldi (4) gtgtvanad autod ja liiga (5)
  gtgtväikedltltltlt . Tahan, et minu auto oleks (6)
  gtgtmugavusltlt ja (7) gtgtpehmed istmedltlt . (8) gtgtAuto
  peab olema taskukohaneltlt , et ma saaksin (9)
  gtgtostaltlt . Ei taha, et oleks raske (10)
  gtgtjuhimineltlt (11) gtgt,ltlt suur kütusekulu.

16
Märgendatud vigade alamliigid

• Tekstis märgendatud vealiigid
• (1) Interpunktuatsioonivead
• (2) Vale sõnaliigi kasutamine
• (3) Vale sõnaliigi kasutamine
• (4) Sõnajärg ja lause teatestruktuur
• (5) Omadussõna käändevormide moodustamine ja
  kasutamine
• (6) Vale sõnaliigi kasutamine
• (7) Verbirektsioon
• (8) Semantiline seos sõnade vahel
• (9) Tegevuse transitiivsus / intransitiivsus
• (10) Vale sõnaliigi kasutamine
• (11) Sidendite kasutamine olenevalt seose
  semantikast

17
Metainfo

• Informant Tekst
• Sugu naine Tüüp vastkys
• Vanus kuni 40a Sõnu 47
• Elukoht Ida-Virumaa Lauseid 5
• Sots. teenistuja Vigu kokku 11
• Emakeel vene Erinevaid 8
• Kodus vene
• Haridus kesk
• Tase A
• Abivahendid ei

18
Sõna- ja vormisagedus

• Sagedus Eesti õppijakeel Eesti kirjakeel
  Sagedus
• 13939 Ja Ja 27214
• 13295 On On 19184
• 5553 Et Ei 13810
• 5091 Ei Et 12314
• 5087 Ma Ta 10170
• 4073 Oli Oli 8861
• 3882 Eesti Kui 8599
• 3835 See Ka 6191
• 3556 Kui See 6114
• 2991 Ka Oma 5329
• 2478 Oma Aga 5274
• 2340 Aga Ma 4454
• 2337 Ta Ning 4409
• 2230 Väga Mis 4391 jne

19
Sõnavormide tähestikuline järjekord sõna aasta
vormid ja tuletised

• aasta 269, aastaaeg 4, aastaajast 1, aastaarv 1,
  aastaarve 3, aastaas 1, aastad 28, aastade 1,
  aastaga 8, aastaid 15, aastail 5, aastak 1,
  aastaks 19, aastakssee 1, aastakäikude 1,
  aastakümned 1, aastakümneid 5, aastakümnetel 3,
  aastal 486, aastale 3, aastalt 25, aastana 1,
  aastane 56, aastani 19, aastapäeva 1, aastapäeval
  1, aastapäevale 4, aastas 44, aastasadade 1,
  aastasajaks 2, aastased 2, aastaseks 2, aastaselt
  1, aastasena 3, aastast 51, aastastele 4, aastat
  327, aastate 36, aastatega 2, aastatel 71,
  aastateni 2, aastatesse 2, aastatest 1,
  aastatkõrgkoolide 1, aastattel 1, aastatuh 3,
  aastatuhande 6, aastatuhandeid 3, aastatuhandel
  3, aastatuhandete 2, aastatuhat 3, aastavahetus
  2, aastavahetuseks 1, aastavahetusel 1,
  aastavahetuseprogrammid 1, aasttuh 3, aastunud
  1, aatat 1

20
Vigase vormi aastade kasutamisest

• Eesti vahekeele korpuses 1 kord
• TÜKK 90ndate ajakirjanduskeel - puudub
• EKI puudub
• GOOGLE 208 dokumendist 58 esindatud
• Tudengijazz 2007
• Eelnevate aastade festivalidel on olnud
  esinejaid ... Soomest, Rootsist, Norrast,
  Saksamaalt, Prantsusmaalt, USAst, Lätist,
  Leedust, Venemaalt, ...www.tudengijazz.ee/ - 9k
  - Puhverdatud - Sarnased lehed
• Software Engineering Center
• Hädaolukorra tekkimisel, mis võib esineda kord
  paljude aastade jooksul, võivad taolised
  abivahendid olla kas kadunud või kaotanud oma
  töövõime. ...www.sec.ee/solutions2.php?id90id1
  32id20id31lgeesti - 21k - Puhverdatud -
  Sarnased lehed

21
Korpuste kasutamisest keeleõppes

• Autentse keeleainese allikast automatiseeritud
  interaktiivse õpikeskkonnani
• Õppijakeelekorpused
• Keeleõppe tekstide korpused
• Õppijakorpused
• Kirjakeelekorpused
• Paralleel- ja tõlkekorpused
• Veebikeskkond

22
Kirjakeelekorpused

• Keelekasutuse korpuspõhine lingvistiline analüüs
  oluline teave sõnastike ja õppematerjalide
  koostamiseks, ainekava korrigeerimiseks ja
  sisuliseks täiendamiseks autentse materjaliga (nt
  Kasik 2004, Kerge 2003, Kilgi2006, Metslang 2005)
  
• Korpuspõhine keeleõpe ühe- ja mitmekeelsed
  sõnastikud, sagedussõnastikud, kollokatsioonide
  nimistud, tasemeõppe modelleerimine jne

23
Paralleel- ja tõlkekorpused

• Materjali kontrastiiv- ja tõlkeanalüüs
• Eesmärk
• leida tõlkimise ja õppijakeele universaale,
  tüüpilisi leksikaalseid ja süntaktilisi vastavusi
  / mittevastavusi (nt A.Mauranen Käännösuomi ja
  kääntämisen uiversaalit. Tutkimus
  korpusainestolla)
• välja töötada optimaalne tõlkijakoolituse ja
  keeleõppe mudel, veenduda sõnastike ja
  õppematerjalide sobivuses tõlkija ja keeleõppija
  vajadustega (nt Jyväskylä paralleelkorpus, mida
  tehti koostöös Oslo inglise-norra korpusega
  K.Sajavaara ja S.Johansson)
• uurida strateegiaid, mida inimene tekstiloomes ja
  tõlkimisel kasutab

24
Väljund

• Korpuslingvistiline tõlkeuurimus annab meetodi,
  mille abil pääseda tõlke olemuseni
• Süstemaatilise tõlkeanalüüsi rakendamine annab
  keelte kõrvutamiseks sobiva meetodi, mis aitab
  viia kontrastiivse keeleuurimise kvalitatiivselt
  uuele tasandile (Jantunen Eskola 2002 202
  Eslon 2006a 17, 19-20)
• Saab jälgida kirjakeele arengusuundi
• Eelduseks normatiivsuse küsimuse lahendamine
• Väljundiks keele- ja kultuuriinterferentsi,
  valede ja ebatäpsete tõlkevastete, kalkeerimise
  jms vähendamine tõlkestrateegia valiku suunamine
  (???????? 2003 31 McEnery Wilson 2001 72)

25
Veebikeele uurimine

• Berghi näide sõnaotsing Taliban
• Coubildi 56 miljoni sõne seast leidis ta 40
  konteksti, BNC 100 miljonist mitte ühtegi ja
  Googleis
• 1 890 000 näidet (Bergh 2005 2627)
• Veebikeele uurimise eelis representatiivsema
  tulemuse saamine - selguvad antud hetkel keelele
  omased, tüüpilised, kesksed nähtused ja
  protsessid. Sellest ei saa oma töös mööda minna
  ka keelekorraldajad
• Veebikeele uuringute läbiviimise probleem seisneb
  aga piisavalt kasutajasõbraliku vabavara
  olemasolus

26
Korpuste töötlemisest

• Standardiseeritud programmide ja statistiliste
  meetodite kasutamine korpuspõhises uurimistöös
• Oxford Concordance Program, Word Cruncher,
  WordSmith Tools, MonoConc, Text Encoding
  Initiative jt
• Eesmärk leida keeles olevaid loomulikke
  liigitusi, mis kajastuvad lingvistiliste andmete
  arvutipõhises ja statistilises analüüsis mitte
  tegeleda grammatiliste abstraktsioonidega (Abney
  1995)
• Õpikute sisu ja keele analüüs võrdluses
  kirjakeele korpuse andmetega (Asser et al 2004)
  väjund eesti kirjakeele sagedussõnastik (Kaalep
  Muischnek 2002)

27
Keeletehnoloogiline arendustöö

• Riiklik programm Eesti keele keeletehnoloogiline
  tugi (2006 2010)
• Üks kavandatavatest rakendustest
  süntaksianalüüsil põhineva tarkvara, sh
  automaatse grammatikakorrektori väljatöötamine
• Keeleressursside mahu suurendamine ja uute
  loomine (mitmekeelne paralleelkorpus, vigade
  korpus)
• Olemas 50000 sõnest koosnev vigade korpus
  suurendada 200000ni teha Internetis
  kättesaadavaks
• Grammatikakorrektor, mis suudab leida rektsiooni
  ja ühildumisvigu
• Eesmärk analüüsida ebastandardseid tekste

28
Interaktiivsed õppematerjalid ja õppekeskkonnad

• Virtual Language Centre või Eesti e-ülikoolid ja
  e-kutsekoolid
• e-õppe keskkonnad (nt WebCT, Moodle, IVA) ja
  programmid e-kursuste loomiseks (nt Hot Potatoes,
  Flickr jt)
• Näide K.Uibu e-kursus Akadeemilise teksti
  loomine (pälvis konkursil Aasta e-kursus 2006
  eripreemia kodutööde mitmekesisuse ja disaini
  eest)

29
Järg

• Efant ja Kaunis külaline
• Eesti keel ja meel (Pangloss 2007)
• Laserplaadit 25 X EESTI
• CD-ROM Talk Now!, tehtud Antwerpeni ülikooli
  mitmekeelse SMALLINC-projekti raames (Rammo
  Tael 2004 156).
• Eesti keele algõpet saab teostada ka
  arvutiprogrammiga Oneness on-line language
  training courses

30
Viidatud kirjandus

• Abney, Steven 1996. Statistical Methods and
  Linguistics. The Balancing Act combining
  symbolic and statistical approaches to language /
  Ed. by Judith L. Klavans Philip Resnik.
  Cambridge MIT Press, http//www.vinartus.net/spa/
  95c.pdf, 8.07.2007.
• Asser, Hiie Kaalep, Heiki-Jaan Linnas, Siret
  Mikk, Jaan Muischnek, Kadri Songe, Merje
  Uibo, Heli 2004. Õpikute keerukuse analüüs
  arvutitel. Toimiv keel II. Töid
  rakenduslingvistika alalt / Toim. M.-M.Sepper,
  J.Lepasaar. TPÜ eesti filoloogia osakonna
  toimetised 3. Tallinn TPÜ Kirjastus, 72 84.
• Bergh, Gunnar 2005. Min(d)ing English language
  data on the Web What can Google tell us? ICAME
  Journal. Computers in English Linguistics 29, 25
  46, http//icame.uib.no/ij29-page25-46.pdf,
  14.07.2007.
• Eslon, Pille Metslang, Helena 2007. Õppijakeel
  ja eesti vahekeele korpus. Eesti
  Rakenduslingvistika Ühingu Aastaraamat (III), 99
  116.
• Eslon, Pille 2006a. Analoogiast keelte
  kõrvutamisel. Keel ja Kirjandus 1, 15 24.
• Eslon, Pille 2006b. Eesti vahekeele korpusest
  korrelatsioonigrammatikani. Eesti
  Rakenduslingvistika Ühingu aastaraamat 2 / Toim.
  H.Metslang, M.Langemets. Tallinn EKS. Lk. 11
  24.

31

• Granger, Sylviane 1998. The computer learner
  corpus A versatile new source of data for SLA
  research. Learner English on computer / Ed. by
  S.Granger. London Longman, 3 18.
• Granger, Sylviane 2003. Error-tagged learner
  corpora and CALL a promising synergy. CALICO
  Journal 20(3), 465 480, http//selene.lib.jyu.fi
  8080/julpu/9513915425.pdf, 19.09.2007.
• Granger, Sylviane 2004. Computer Learner Corpus
  Research Current Status and Future Prospects.
  Applied Corpus Linguistics. A Multidimensional
  Perspective / Ed. by U.Connor T.A.Upton.
  Amsterdam / New York Rodopi, 123 145.
• Jantunen, Jarmo Harri Eskola, Sari 2002.
  Käänössuomi kielivarianttina syntaktisia ja
  leksikaalisia erityispiirteitä. Virittäjä 2,
  184 207.
• Kaalep, Heiki-Jaan Muischnek, Kadri 2002. Eesti
  kirjakeele sagedussõnastik. Tartu TÜ Kirjastus.
• Mauranen, Anna Kujamäki, Pekka (Eds) 2004.
  Translation Universals Do They Exist? Amsterdam
  Benjamins.
•  

32
Jätk

• McEnery, Tony Wilson, Andrew 2001. Corpus
  linguistics / 2nd Ed. Edinburgh Edinburgh
  University Press.
• ????????, ?????? 2003. ???????????? ???????
  ?????????????? ??????? ??????? ??????????? ?
  ??????????? ?????????? ? ???????????????
  ????????????? ????????????? (?? ???????
  ??????-???????? ????????????? ???????
  ?????????????? ???????). Acta Universitatis
  Tamperensis 956. Tamepere University Press,
  http//acta.uta.fi/pdf/951-44-5754-4.pdf,
  9.09.2007.
• Pravec, Norma A. 2002. Survey of learner Corpora.
  ICAME Journal ? 26, pp. 81 114,
  http//icame.uib.no/ij26/pravec.pdf, 11.09.2007.
• Rammo, Sirje Tael, Maarika 2004. Eesti keele
  õppematerjalid CD-ROMil. Emakeel ja teised
  keeled IV. (Tartu ülikooli eesti keele
  (võõrkeelena) õppetooli toimetised 3. Tartu TÜ
  Kirjastus, 156 163.